[发明专利]视频数据处理方法、装置、电子设备和计算机可读介质

说明书

本申请公开了一种视频数据处理方法、装置、电子设备和计算机可读介质。该方法包括：基于预设的奖励预测模型，对视频数据中，执行主体执行目标任务时的任务环境进行特征提取，生成任务环境的分布激励；基于预设的强化学习模型，根据任务环境，生成任务指令，根据任务指令指导执行主体执行目标任务，得到任务结果；基于预设的奖励评估函数，对任务结果进行评估，生成任务激励，并根据任务激励，对奖励预测模型的参数进行调整；根据分布激励，对强化学习模型的参数进行调整。籍此，通过强化学习模型生成的任务激励对奖励预测模型的参数进行调整，优化奖励预测模型；通过奖励预测模型生成的分布激励对强化学习模型的参数进行调整，优化强化学习模型。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种视频数据处理方法、装置、电子设备和计算机可读介质。

背景技术

自动驾驶作为一项新技术，是汽车行业当前的热点，它是通过人工智能、视觉计算等系统的协同合作，使人工智能可以在没有任何人类的主动操作下，指导车辆自主行驶。

发明内容

基于上述问题，本申请提供了一种视频数据处理方法、装置、电子设备和计算机可读介质。

本申请实施例公开了如下技术方案：

本申请实施例提供一种视频数据处理方法，包括：基于预设的奖励预测模型，对所述视频数据中，执行主体执行目标任务时的任务环境进行特征提取，生成所述任务环境的分布激励；基于预设的强化学习模型，根据所述任务环境，生成任务指令，并根据所述任务指令指导所述执行主体执行所述目标任务，得到任务结果；基于预设的奖励评估函数，对所述任务结果进行评估，生成任务激励，并根据所述任务激励，对所述奖励预测模型的参数进行调整；以及，根据所述分布激励，对所述强化学习模型的参数进行调整。

可选地，在本申请的任一实施例中，所述基于预设的奖励预测模型，对所述视频数据中，执行主体执行所述目标任务时的任务环境进行特征提取，生成所述任务环境的分布激励，包括：按照时间序列，基于所述奖励预测模型，对所述视频数据中，所述执行主体执行所述目标任务时的所述任务环境进行特征提取，生成所述任务环境的所述分布激励。

可选地，在本申请的任一实施例中，所述按照时间序列，基于所述奖励预测模型，对所述视频数据中，所述执行主体执行所述目标任务时的所述任务环境进行特征提取，生成所述任务环境的所述分布激励包括：按照时间序列，确定所述视频数据中所述任务环境变化的视频数据，并基于所述奖励预测模型，对所述任务环境变化的视频数据中，所述执行主体执行所述目标任务时的所述任务环境进行特征提取，生成所述任务环境的所述分布激励。

可选地，在本申请的任一实施例中，所述基于预设的强化学习模型，根据所述任务环境，生成任务指令，并根据所述任务指令指导所述执行主体执行所述目标任务，生成任务结果包括：基于预设的所述强化学习模型中的策略网络子模型，根据所述任务环境，生成任务指令集，所述任务指令集中包括多个所述任务指令；基于预设的所述强化学习模型中价值网络子模型，对所述任务指令集中的多个所述任务指令进行评估，选择最佳的所述任务指令，并根据最佳的所述任务指令指导所述执行主体执行所述目标任务，得到所述任务结果。

可选地，在本申请的任一实施例中，所述奖励预测模型为图神经网络模型；和/或，所述强化学习模型为深度强化学习神经网络模型。

本申请实施例还提供一种视频数据处理装置，包括：第一神经网络单元，配置为基于预设的奖励预测模型，对所述视频数据中，执行主体执行目标任务时的任务环境进行特征提取，生成所述任务环境的分布激励；第二神经网络单元，配置为基于预设的强化学习模型，根据所述任务环境，生成任务指令，并根据所述任务指令指导所述执行主体执行所述目标任务，得到任务结果；调整单元，配置为基于预设的奖励评估函数，对所述任务结果进行评估，生成任务激励，并根据所述任务激励，对所述奖励预测模型的参数进行调整；以及，根据所述分布激励，对所述强化学习模型的参数进行调整。